تكنولوجيا
التصنيف الرئيسي للمقالات التقنية: برمجة، ذكاء اصطناعي، DevOps، تحسين الأداء، أوتوميشن، وأخبار التكنولوجيا.
Parallel Tool Use في Claude API للمحترف: نفّذ 5 أدوات في 1.2 ثانية بدل 6
لو الـ agent بتاعك بياخد 6 ثواني علشان يجيب الطقس + سعر السهم + ميعاد الميتنج + بيانات العميل + الفاتورة، المشكلة مش الموديل بطيء. المشكلة إنك بتنده الأدوات تسلسلياً بدل ما توازيها. شرح للمحترف بمثال طلب الكافيه للمبتدئ، تعريف علمي لـ disable_parallel_tool_use ودورة الـ tool_use blocks، كود Python شغّال على Anthropic SDK 0.40+، أرقام مقاسة من إنتاج، trade-offs الذاكرة والتكلفة، وحالات لازم تعطّل التوازي فيها.
Python __slots__: ازاي توفر 60% من ذاكرة الـ instances بسطر واحد
لو سيرفرك Python بيخزن ملايين الـ instances وبتدفع في AWS فاتورة RAM ضخمة، سطر واحد اسمه __slots__ ممكن يقلل الذاكرة 40-60%. مقال للمحترف بمثال درج المكتب للمبتدئ، تعريف علمي دقيق لـ PyDictObject في CPython، كود Python 3.12 شغّال مع أرقام مقاسة بـ pympler، شرح كسر الـ inheritance الكلاسيكي، trade-offs، وحالات لا تستخدمه فيها.
eBPF للمحترف: راقب syscalls على production بدون restart للتطبيق
لو endpoint بياخد 2.4 ثانية والـ APM بيقول DB سليمة وCPU 30%، الزمن المفقود في المسافة بين الـ kernel والـ application thread. eBPF بيريك كل syscall وكل packet بدون restart للتطبيق وبأقل من 1% overhead. مقال للمحترف بمثال sensors المصنع، تعريف علمي دقيق لـ verifier وkprobes وXDP، أوامر bpftrace قابلة للنسخ، أرقام مقاسة من production، trade-offs الصلاحيات، وحالات لا تستخدم فيها eBPF أصلاً.
Quantization للمحترف: شغّل Llama 70B على 24GB VRAM بدل 140GB
لو موديل Llama 3.3 70B بيطلب منك 140GB VRAM وأنت عندك RTX 4090 بـ 24GB بس، Quantization بيخلّيه يشتغل على نفس الكرت بفقد جودة أقل من 1% في perplexity. مقال للمحترف بمثال JPEG للمبتدئ، تعريف علمي دقيق لـ FP16 vs INT8 vs INT4، فرق GPTQ و AWQ و GGUF بالأرقام، كود Python شغّال على bitsandbytes و llama.cpp، أرقام MMLU قبل وبعد، trade-offs، وحالات لا تستخدمه فيها.
OpenTelemetry للمحترف: لاحق الـ 200ms المختفية بين 6 خدمات
لو الـ API بيرد في 1.4 ثانية وكل metric مطمئنة، الزمن الضائع موجود في span واحد بين خدمتين. OpenTelemetry بيرسم الطلب كـ waterfall كامل عبر الـ microservices بسطر instrumentation واحد. شرح للمحترف بمثال شركة الشحن، تعريف علمي لـ trace/span/context propagation، كود Node.js شغّال، إعداد Jaeger، أرقام إنتاج (1.4s → 380ms)، trade-offs الـ overhead والـ sampling، ومتى لا تستخدمه أصلاً.
Branch Prediction للمحترف: ليه ترتيب Array بيخلي كودك أسرع 6 مرات
لو نفس الـ loop عندك بياخد 1.9 ثانية مرة و 11.5 ثانية مرة تانية بنفس البيانات، السبب مش cache ولا compiler. السبب وحدة hardware اسمها Branch Predictor جوّا الـ CPU. مقال للمحترف بمثال حارس النادي، تعريف علمي لـ TAGE وspeculative execution، كود C++ شغّال، أرقام perf مقاسة، حل branchless، trade-offs، ومتى لا تشغّل بالك بالموضوع.
Consistent Hashing بالعربي: ليه إضافة سيرفر واحد بتفقدك 89% من الكاش
لو ضفت سيرفر تاسع لـ Redis cluster من 8 سيرفرات وفجأة الـ DB قعت تحت موجة طلبات، المشكلة مش السكيل. المشكلة إنك بتستخدم hash(key) % N. مقال للمحترف بمثال شركة الشحن، تعريف علمي دقيق لـ Hash Ring، كود Python شغّال يقيس الفرق فعلًا، شرح virtual nodes، أرقام Discord وDynamoDB، trade-offs واضحة، وحالات لا تستخدمه فيها.
Agent Loops: ليه وكيل AI بياكل 47$ في 12 دقيقة قبل ما يقف
لو وكيل AI عندك دخل في حلقة tool calls لا نهائية ونده نفس الأداة 200 مرة، الفاتورة بتوصل لـ 47$ في 12 دقيقة. مقال للمحترف بمثال للمبتدئ، تعريف علمي للـ ReAct loop، كود Python شغّال على Anthropic SDK يعيد إنتاج المشكلة، 4 طبقات دفاع عملية (max_iterations، loop detection، cost guard، state hashing)، أرقام مقاسة، trade-offs، ومتى تترك الحلقة شغّالة فعلاً.
Batch API في Claude: قلّل تكلفة الطلبات الجماعية 50%
لو فاتورة Claude API عندك بتقترب من 1000 دولار شهريًا وأغلب الطلبات offline (تلخيص، تصنيف، توليد embeddings)، Batch API بينزّل التكلفة 50% بدون تعديل سطر business logic واحد. مقال للمحترفين بمثال للمبتدئ، تعريف علمي، كود Python شغّال على Anthropic SDK، أرقام مقاسة، trade-offs، وحالات ما تستخدمهوش فيها.